Trắc nghiệm về trích xuất đặc trưng

Mục đích chính của trích xuất đặc trưng là gì?

• Tăng số chiều dữ liệu đầu vào

• Chuyển dữ liệu đầu vào thành vector có ý nghĩa

• Mã hóa dữ liệu hình ảnh

Một lợi ích của việc trích xuất đặc trưng là:

• Làm giảm hiệu suất mô hình

• Làm tăng độ phức tạp dữ liệu

• Giảm chiều dữ liệu để tăng hiệu suất xử lý

Trong NLP, trích xuất đặc trưng thường áp dụng cho:

• Xử lý ảnh y tế

• Nhận diện vật thể

• Xử lý văn bản

Hai phương pháp rút trích đặc trưng cơ bản nhất cho văn bản là gì?

• Tokenization và Normalization

• POS Tagging và Parsing

• Bag-of-Words và TF-IDF

Phương pháp túi từ (Bag-of-Words) sử dụng yếu tố nào để tạo vector đặc trưng?

• Tần suất xuất hiện của từ

• Độ dài câu

• Thứ tự từ

Vector trong BoW có số chiều bằng:

• Số ký tự trong câu

• Số từ trong từ điển

• Số câu trong văn bản

Trong BoW, nếu một từ không xuất hiện trong câu thì giá trị tương ứng là:

• 0

• 1

• -1

Phương pháp BoW có nhược điểm gì?

• Không phân biệt từ có nghĩa

• Không biểu diễn thứ tự từ

• Không tính được độ dài văn bản

TF trong TF-IDF là viết tắt của:

• Term Finding

• Token Frequency

• Term Frequency

IDF trong TF-IDF là viết tắt của:

• Inverted Document Frequency

• Inverse Document Frequency

• Indexed Document Formula